人工智能(AI)這一術語是指執行在人類決策領域內考慮的任務的計算系統。這些軟件驅動的系統和智能代理包含高級數據分析和大數據應用程序。人工智能系統利用這個知識庫來制定決策，并開展近似認知功能的行動，其中包括學習和解決問題。

人們需要了解人工智能(AI)如何使用軟件驅動的系統和智能代理來做出接近人類認知功能的決策。

人工智能(AI)這一術語是指執行在人類決策領域內考慮的任務的計算系統。這些軟件驅動的系統和智能代理包含高級數據分析和大數據應用程序。人工智能系統利用這個知識庫來制定決策，并開展近似認知功能的行動，其中包括學習和解決問題。

人工智能在20世紀50年代中期被作為一個科學領域引入，近年來發展迅速。它已成為協調數字技術和管理業務運營的重要工具。特別有用的是人工智能的進步，如機器學習和深度學習。

重要的是要認識到人工智能是一個不斷變化的目標。曾經被認為屬于人工智能領域的事物，例如光學字符識別和電腦國際象棋，現在被認為是常規計算。如今，機器人、圖像識別、自然語言處理、實時分析工具和物聯網(IOT)內的各種連接系統都采用人工智能，以提供更先進的功能和能力。

幫助開發人工智能的是許多提供基于云計算的人工智能服務的公司。Statistica公司預計，到2025年，人工智能將以每年超過127%的速度增長，其市場規模將達到48億美元。咨詢機構埃森哲公司(Accenture)報告指出，“到2035年，人工智能可以通過改變工作性質，并在人與機器之間產生新的關系來實現經濟增長率翻一番。”毫不奇怪，觀察家們在這項技術滲透到商業和日常生活中的同時，也對這項技術進行了宣傳。

人工智能在許多業務領域具有廣泛的應用

人工智能的歷史：復制人類思維

開發能夠模仿人類認知的機器的夢想可以追溯到幾個世紀前。在19世紀90年代，像H.G. Wells這樣的科幻作家開始探索機器人和其他機器的概念，這些機器像人類一樣思考和行動。

然而，直到20世紀40年代初，人工智能的概念才真正形成。在阿蘭·圖靈提出計算理論(本質上是機器如何使用算法來產生機器“思考”)之后，其他研究人員開始探索創建人工智能框架的方法。

1956年，達特茅斯學院的研究人員開始了人工智能的實際應用。這包括采用電腦玩跳棋游戲，其水平可以擊敗大多數人。在隨后的幾十年中，人們對人工智能的熱情逐漸消退。

1997年，IBM公司開發了一臺國際象棋計算機深藍(Deep Blue)擊敗了世界象棋冠軍加里卡斯帕羅夫。2011年，IBM公司推出了Watson，它使用了更為復雜的技術，包括深度學習和機器學習，擊敗了兩個頂級的Jeopardy冠軍。而Jeopardy是美國知名的益智節目。

盡管人工智能在未來幾年繼續發展，但觀察家們經常將2015年作為人工智能的一個里程碑年。谷歌云、亞馬遜網絡服務(AWS)、微軟(Microsoft)、微軟Azure等公司開始加強研究，提高自然語言處理能力、開發計算機視覺和分析工具。

如今，人工智能已嵌入越來越多的應用程序和工具中。其中包括企業分析程序和Siri和Alexa等數字助理，以及自動駕駛汽車和面部識別。

人工智能采用不同的形式

人工智能是一個涵蓋任何和所有機器智能的總稱。然而，人工智能的研究和使用有幾個截然不同的區域 - 盡管它們有時會重疊。這些包括：

?通用人工智能。這些系統通常向周圍的世界學習，并以跨域的方式應用數據。例如，現在谷歌所有的DeepMind使用神經網絡學習如何操作人類所玩的電子游戲。

?自然語言處理(NLP)。這項技術使機器能夠閱讀、理解和解釋人類語言。自然語言處理(NLP)使用統計方法和語義編程來理解語法，在某些情況下，還可以理解作者或與聊天機器人等系統交互的人的情緒。

?機器感知。在過去的幾年里，傳感器相關技術(攝像頭、麥克風、加速度計、GPS、雷達等)的巨大進步推動了機器感知，其中包括語音識別和用于面部和物體識別的計算機視覺。

?機器人。機器人設備廣泛用于工廠，醫院和其他場所。近年來，無人機也開始應用。這些系統依賴于復雜的映射和復雜的編程，也使用機器感知來完成任務。

?社交智能。自主車輛、機器人和數字助理(如Siri和Alexa)需要協調和調整。因此，這些系統必須了解人類的行為，以及對社會規范的認識。

人工智能方法

有許多方法用于開發和構建人工智能系統。這些包括：

?機器學習(ML)。人工智能的這一分支使用統計方法和算法來發現模式，并“訓練”系統在沒有明確編程的情況下做出預測或決策。它可能包括有監督和半監督的機器學習(包括分類和標簽)和無監督的機器學習(僅使用數據輸入，不使用人類應用的標簽)。

?深度學習。這種方法依靠人工神經網絡模擬來近似人腦的神經。深度學習系統對于發展計算機視覺、語音識別、機器翻譯、社會網絡過濾、電子游戲、醫學診斷等具有特別重要的價值。

?貝葉斯網絡。這些系統依賴于概率圖形模型，這些模型使用隨機變量和條件獨立性來更好地理解和處理事物之間的關系，例如藥物和副作用。

?遺傳算法。這些搜索算法利用自然選擇后建模的啟發式方法。他們使用變異模型和交叉技術來解決復雜的生物挑戰和其他問題。

現實世界中的人工智能

對于人工智能來說，有很多令人信服的用例。以下是在一些行業領域中的主要示例：

?醫療保健行業

醫療保健中的人工智能可以發揮主導作用。它使衛生專業人員能夠更深入地了解風險因素和疾病。它可以幫助診斷，并提供對風險的洞察力。人工智能還為支持患者跟蹤或警報的智能設備、手術機器人和物聯網(IOT)系統提供幫助。

?農業

人工智能現在廣泛用于農作物監測。它幫助農民以最佳水平施用水和肥料。它還有助于農場設備的預防性維護，并產生自動機器人來挑選農作物。

?金融行業

如今，定量(算法)在沒有人為干預的情況下交易股票，銀行立即做出自動信貸決策，金融機構使用算法來檢測欺詐行為。人工智能還允許消費者使用智能手機掃描紙質支票和存款。

?零售行業

越來越多面向消費者的應用程序和工具支持圖像識別、語音和自然語言處理以及增強現實(AR)功能，這些功能允許消費者在房間或辦公室中預覽家具，或者在不前往實體商店的情況下查看化妝品的外觀。零售商也在使用人工智能進行個性化營銷、管理供應鏈和網絡安全。

?旅行、交通和招待

航空公司、酒店和租車公司使用人工智能來預測需求并動態調整定價。航空公司還依賴人工智能來優化航線飛機的使用，考慮天氣條件、乘客負荷和其他變量。他們還可以了解飛機何時需要維護。酒店正在使用人工智能(包括圖像識別)來部署機器人和安全監控。自動駕駛汽車和智能交通網也依賴人工智能。

人工智能的好處和風險

對于企業來說，這不是一個是否使用人工智能的問題，許多組織已經每天都在使用人工智能，而是一個如何最大化收益和最小化風險的問題。

企業了解人工智能如何以及在何處改善業務流程，以及建立一個能夠理解人工智能是什么，它適合何處以及它提供哪些機會的員工隊伍是至關重要的。這可能需要企業員工具備新的知識和技能，同時需要重新考慮服務提供商、工作流程和內部流程。

人工智能能應對其他挑戰。人工智能最大的障礙包括機器學習和深度學習，而構建結構不良的框架。或用戶使用糟糕的數據訓練模型或構建有缺陷的統計模型時，通常會出現不正確甚至危險的結果。

人工智能工具雖然越來越容易使用，但需要數據科學專業知識。其他重要因素包括：確保有足夠的計算能力和適當的基于云計算的基礎設施，以及減輕員工的工作崗位被人工智能取代的擔憂。

無論如何，人工智能正在引入更多的機會來創造更智能、更強大的機器。相信在未來幾年，人工智能一定會進一步改變業務和生活。